MCDT기법과 MAD 순서통계량을 이용한 웨이블렛 변환기반 다중영상의 정·융합 구현 :Implementation of Wavelet Transform-based Image Registration and Fusion using MCDT Method and MAD Order Statistics

이철

추천

검색

자료유형: 학위논문

저자정보: 이철 (광운대학교, 광운대학교 대학원)

지도교수: 이기서

발행연도: 2014

저작권: 광운대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (4)

2020

여과계수 차등기준기법을 이용한 웨이블렛 변환기반 다중영상센서의 영상정합 구현

이철 전자공학회논문지 2020.11 학술저널

2014

웨이블렛 변환 영역에서 MAD 순서통계량을 이용한 SAR 영상의 화질개선 구현

이철 , 이정석 한국전자통신학회 논문지 2014.12 학술저널

MCDT기법과 MAD 순서통계량을 이용한 웨이블렛 변환기반 다중영상의 정·융합 구현

이철 제어계측공학과 2014.01 학위논문

2013

MAD 순서통계량을 이용한 웨이블렛 변환기반 다중영상의 영상융합 및 JPEG2000 보드 구현

이철 한국정보통신학회논문지 2013.11 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 서로 다른 감지장치로부터 획득한 상이한 특성의 다중영상(Multi-Image)인 가시광선 영상(Electro-Optic Image)과 적외선 영상(Infrared Image)에 대한 정·융합(Image Registration and Fusion)을 수행할 수 있는 웨이블렛(Wavelet)기반 MCDT(Mask Coefficient Differential and Threshold)기법과 MAD(Median Absolute Deviation) 순서통계량(Order Statistics)을 이용한 방법에 대하여 연구하였다. 우선 효율적인 영상 정·융합을 위해서는 영상간의 통계적상관성(Statistical Correlation)을 추출하고 통계적상관성을 높이는 방법을 사용하여 통일된 좌표 값에 일치시키는 정합을 사용하였다. 그리고 우수한 영상영역을 선별하기 위한 방법으로는 영상의 순서통계량을 기준으로 융합을 수행하였다. 먼저 특성이 다른 영상에서 효과적인 특징을 추출은 상세 부분대역에서 웨이블렛 계수에 미분연산과 평균연산을 통한 임계값(Threshold)을 적용하여, 영상의 특징인 모서리성분의 위치정보를 나타내는 모서리 맵(Edge Map)을 구하였고, 모서리 맵에 이진(Binary)마스크와 거리 맵(Distance Map)을 적용하여 두 영상의 왜곡(Distortion)요소와 유사성 방해요소를 제거하므로 통계적 상관성을 높여 영상정합 효율을 극대화 시키는 방법을 제안하였다. 특히 강력한 정합을 위한 정규상호정보(NMI: Normalized Mutual Information)를 유사성척도(Similarity Measure)로 채택하였다. 이와 같은 방법은 강건한 모서리성분을 추출하는 임계값 설정을 보다 효율적으로 얻을 수 있었고, 기존 정규상호정보방식과 비교를 통하여 제안한 방법의 타당성을 확인하였다. 본 논문에서 제안한 영상융합(Image Fusion) 방법은 두 영상간의 통계적 변화량인 순서통계량이 MAD를 이용하면 보다, 효율적으로 융합영상의 선별이 가능하다는 원리를 웨이블렛 상세(Detail) 부분대역(Subband)에 적용하였고 근사(Approximation) 부분대역에는 기존 가중 평균법(Weighted average)을 사용 하였다. 또한 영상의 정·융합을 순차적으로 수행하는 과정이후 JPEG2000 압축표준을 통하여 다중영상의 압축 실험을 수행 하였다.
특히, 제안한 방법의 정량적 성능 평가가 화질 비교의 객관적 평가 척도(Measure)인 PSNR과 AG를 영상 정·융합과 정·융합 영상의 압축에 대한 성능 비교 방법으로 평가하였다. 또한 가시적인 영상 품질 비교는 다양한 다중 영상의 정·융합 그리고 압축의 화질을 각각 기존 방식과 제안방식을 비교 실험하여 우수성을 확인할 수 있었다. 제안된 방법의 실시간처리를 보장하기 위하여 데이터 처리는 DSP와 FPGA 듀얼구조의 DSP 모듈을 장착한 하드웨어로 구현하였고, 설계된 영상 정·융합 압축·부호화를 구현한 하드웨어보드의 제안 알고리즘의 연산처리와 구현은 DSP와 DSP를 지원하는 Virtex-4 Xilinx FPGA를 사용하였다.

In this thesis, the electro-optic image and the infrared image to be got from other equipment are made by the registration and the fusion using the wavelet-based MCDT (Mask Coefficient Differential and Threshold) method and the order statistics of MAD (Median Absolute Deviation) In order to the effective image registration and fusion, the method of registration is used to correspond the common coordination data using the improvement of statics and extract the statistical correlation between two images. Next for the method to identify the batter image region, the method of fusion is made by the reference the image of order statistic. The MCDT method is extracted from the edge map for the position information of edge which is the characteristics of image being applied the threshold value through differential operator and average operator of the wavelet coefficient for the different of characteristic in two images. The image registration is proposed to be maximized the efficiency of the image registration and improved the statistics correlation to remove the distortion factor and the similarity disturbance factor of two image, to apply the binary mask and distance map in the edge map, also specially applied the NMI (Normalized Mutual Information) to the similarity measure in order to make strongly registration. By this method, it is able to get the more efficiency image through setting up the threshold value extracting the robust edge factor, and confirm the propriety of the proposed method by comparison with NMI. Therefore the proposed image fusion method is applied the principle which is able to select the more efficiency image fusion to the detailed sub band in the wavelet. Two images are performed to test the compress data by JPEC2000 standard compression after the sequence process of the image of registration and fusion. Especially, the quantity performance of the proposed method is estimated to compare with the image registration/fusion and the compression of it which is PSNR and AG of the compression performance of the objectivity estimation measure. The two images of registration and fusion and the image quality of compression are able to confirm the comparison with the proposed method and the existing method in order to the comparison of the visual image quality. Therefor the proposed method to ensure the real time is processed by the hardware of DSP and FPGA installed module which is used the Virtex-4 Xilinx FPGA for the designed image of registration and fusion. The hardware which implements designed Image Registration and Fusion is used by DSP and Virtex-4 Xilinx FPGA which supports for the proposed algorithm implementation.

#영상정합 #영상융합 #웨이블렛 변환 #정규상호정보 #유사성척도 #모서리통계적상관성 #중앙절대편차 #순서통계량 #임계값

제1장 서론 1
1.1영상정합의 연구배경과 접근방법 2
1.2영상융합의 연구배경과 접근방법 5
1.3논문의 구성 7
제2장 이론적 배경 9
2.1적외선 영상 9
2.2웨이블렛 변환 13
2.2.1푸리에 변환과 웨이브렛 변환 13
2.2.2다중해상도 분석과 이산 웨이브렛 변환 19
2.2.3영상신호의 웨이브렛 분해와 복원 25
2.2.4다중 영상신호의 이산 웨이브렛 변환 29
2.3마스크 변환 35
2.4JPEG2000표준 38
2.4.1기술표준 동향 38
2.4.2처리과정 39
2.5다중영상의 화질개선 43
2.5.1가시광선 영상의 화질개선 44
2.5.2적외선 영상의 화질개선 48
제3장 MCDT기법을 이용한 웨이블렛 기반 다중영상 정합 57
3.1서론 57
3.2이론적 배경 59
3.2.1영상정합 60
3.2.2변환모델 61
3.2.3상호정보 63
3.2.4정규상호정보 65
3.2.5결합 히스토그램 65
3.2.6특징검출 66
3.3제안된 영상정합 알고리즘 68
3.3.1연구배경 68
3.3.2전체알고리즘의 구조 69
3.3.3MCDT기법 75
3.4영상정합 실험 및 평가 80
3.4.1실험 및 평가 방법 80
3.4.2주관적 평가와 객관적 평가 82
3.4.3결론 86
제4장 순서통계량을 이용한 웨이블렛 기반 다중영상 융합 87
4.1서론 87
4.2이론적 배경 90
4.2.1가중평균 법 92
4.2.2분산법 92
4.2.3라플라시안 파라미드 법 93
4.3제안된 영상융합 알고리즘 94
4.3.1연구배경 94
4.3.2웨이블렛 기반 MAD 순서통계량 융합규칙 96
4.4영상융합 실험 및 평가 100
4.4.1실험 및 평가 방법 100
4.4.2주관적 평가와 객관적 평가 102
4.4.3결론 105
제5장 구현된 시스템의 구조와 실험환경 107
5.1구현시스템의 하드웨어·소프트웨어 구조 107
5.1.1시스템 제어기 구현 109
5.1.2EO/IR 영상데이터 처리기 구현 111
5.2JPEG2000압축·부호화 저장기 115
5.3실험환경 120
5.3.1구현보드의 하드웨어 구현 120
5.3.2구현보드의 실험환경 123
5.4제안시스템의 성능평가 127
제6장 결론 및 향후 연구 과제 134
참고문헌 136

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)